计算机测量与控制．２０２３．３１（３）ＣｏｍｐｕｔｅｒＭｅａｓｕｒｅｍｅｎｔ＆Ｃｏｎｔｒｏｌ测试与故障诊断·５６·收稿日期：２０２２－０７－３１；修回日期：２０２２－０９－０７。作者简介：刁旭炀（１９９５－），男，上海奉贤人，工程师，硕士研究生，主要从事软件工程和机器学习方向的研究。引用格式：刁旭炀，吴凯，陈都，等．基于混合注意力机制的软件缺陷预测方法［Ｊ］．计算机测量与控制，２０２３，３１（３）：５６－６２，７０．文章编号：１６７１－４５９８（２０２３）０３－００５６－０７ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０２３．０３．００９中图分类号：ＴＰ３文献标识码：Ａ基于混合注意力机制的软件缺陷预测方法刁旭炀，吴凯，陈都，周俊峰，高璞（上海机电工程研究所，上海２０１１０９）摘要：软件缺陷预测技术用于定位软件中可能存在缺陷的代码模块，从而辅助开发人员进行测试与修复；传统的软件缺陷特征为基于软件规模、复杂度和语言特点等人工提取的静态度量元信息；然而，静态度量元特征无法直接捕捉程序上下文中的缺陷信息，从而影响了软件缺陷预测的性能；为了充分利用程序上下文中的语法语义信息，论文提出了一种基于混合注意力机制的软件缺陷预测方法ＤＰ－ＭＨＡ（ｄｅｆｅｃｔｐｒｅｄｉｃｔｉｏｎｖｉａｍｉｘｅｄａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ）；ＤＰ－ＭＨＡ首先从程序模块中提取基于ＡＳＴ树的语法语义序列并进行词嵌入编码和位置编码，然后基于多头注意力机制自学习上下文语法语义信息，最后利用全局注意力机制提取关键的语法语义特征，用于构建软件缺陷预测模型并识别存在潜在缺陷的代码模块；为了验证ＤＰ－ＭＨＡ的有效性，论文选取了６个Ａｐａｃｈｅ的开源Ｊａｖａ数据集，与经典的基于ＲＦ的静态度量元方法、基于ＲＢＭ＋ＲＦ、ＤＢＮ＋ＲＦ无监督学习方法和基于ＣＮＮ和ＲＮＮ深度学习方法进行对比，实验结果表明，ＤＰ－ＭＨＡ在Ｆ１值分别提升了１６．６％、３４．３％、２６．４％、７．１％、４．９％。关键词：软件缺陷预测；语法语义信息；静态度量元；多头注意力机制；全局注意力机制ＭｅｔｈｏｄｏｆＳｏｆｔｗａｒｅＤｅｆｅｃｔＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＭｉｘｅｄＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍＤＩ...
